深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
9161	2025-01-05	SkinSage XAI: An explainable deep learning solution for skin lesion diagnosis 2024-Dec, Health care science DOI:10.1002/hcs2.121 PMID:39735286	研究论文	本文介绍了一种名为SkinSage XAI的可解释深度学习解决方案，用于皮肤病变诊断	结合了可解释的人工智能（XAI）技术，提供了模型输出的清晰视觉解释，解决了深度学习模型的黑箱问题	未提及具体局限性	提高皮肤病变分类的准确性和可解释性，以辅助皮肤科医生的诊断决策	皮肤病变图像	计算机视觉	皮肤癌	深度学习	Inception v3	图像	约50,000张来自Customized HAM10000数据集的图像
9162	2025-01-05	Aalto Gear Fault datasets for deep-learning based diagnosis 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111171 PMID:39736909	研究论文	本文介绍了两个用于深度学习故障诊断的广泛数据集，Aalto Shim Dataset和Aalto Gear Fault Dataset，旨在推动基于深度学习的故障诊断研究	引入了两个在受控实验室条件下收集的广泛数据集，涵盖了多种齿轮故障类型和严重程度，为开发和测试智能故障诊断模型提供了宝贵资源	数据集是在实验室条件下收集的，可能无法完全反映真实世界中的复杂情况	推动基于深度学习的故障诊断研究	齿轮故障	机器学习	NA	深度学习	NA	传感器数据	两个广泛的数据集，Aalto Shim Dataset和Aalto Gear Fault Dataset
9163	2025-01-05	MM-DRPNet: A multimodal dynamic radial partitioning network for enhanced protein-ligand binding affinity prediction 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.050 PMID:39737077	研究论文	本文提出了一种多模态深度学习框架MM-DRPNet，用于增强蛋白质-配体结合亲和力的预测	创新点在于动态径向分区（DRP）算法，该算法基于复合物特定的相互作用模式自适应地分割3D空间，超越了传统的固定分区方法	当前方法在预测准确性方面仍存在显著限制，且普遍方法常忽略关键的三维结构信息	提高药物-靶标结合亲和力预测的准确性	蛋白质-配体结合亲和力	计算机辅助药物设计	NA	深度学习	MM-DRPNet	3D结构信息、相互作用特征和物理化学性质	基准数据集
9164	2025-01-05	An Artificial Intelligence-Based Non-Invasive Approach for Cardiovascular Disease Risk Stratification in Obstructive Sleep Apnea Patients: A Narrative Review 2024-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2512463 PMID:39742217	综述	本文探讨了人工智能在阻塞性睡眠呼吸暂停（OSA）患者中心血管疾病（CVD）风险分层中的应用	提出了三个假设，包括OSA与ASCVD/中风之间的强关联、深度学习在OSA患者中使用颈动脉成像进行风险分层的潜力，以及将OSA风险作为心血管风险因素的协变量以提高CVD风险分层的效果	缺乏详细、无偏见的压缩AI模型用于OSA患者的ASCVD和中风风险分层	探讨人工智能在OSA患者中CVD风险分层的应用	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	心血管疾病	深度学习（DL）	深度学习模型	颈动脉超声图像	191项研究
9165	2025-01-05	Deep Learning-Based Carotid Plaque Ultrasound Image Detection and Classification Study 2024-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2512454 PMID:39742249	研究论文	本研究旨在开发和评估不同深度学习模型在颈动脉斑块超声图像上的检测和分类性能，以实现高效和精确的颈动脉粥样硬化斑块超声筛查	通过比较不同网络架构的深度学习模型，发现Faster RCNN (ResNet 50)模型在颈动脉斑块分类中表现最佳，具有较高的准确性和可靠性	研究仅基于四家医院的数据，样本来源可能不够广泛	开发和评估深度学习模型在颈动脉斑块超声图像上的检测和分类性能	颈动脉斑块超声图像	计算机视觉	心血管疾病	深度学习	YOLO V7, Faster RCNN	图像	5611张颈动脉超声图像，来自3683名患者
9166	2025-01-05	Bioprospecting of culturable marine biofilm bacteria for novel antimicrobial peptides 2024-Dec, iMeta IF:23.7Q1 DOI:10.1002/imt2.244 PMID:39742298	研究论文	本研究通过构建可培养的海洋生物膜细菌库，利用核糖体分析和深度学习预测抗菌肽（AMPs），扩展了抗菌肽化合物的范围	使用核糖体分析改进小开放阅读框（sORFs）的识别和验证，结合深度学习模型预测新型抗菌肽，发现了与之前未知产生抗菌肽的细菌群相关的抗菌肽	NA	发现新型抗菌肽，以对抗人类病原菌	可培养的海洋生物膜细菌	生物信息学	NA	核糖体分析，深度学习	深度学习模型	基因组数据	713株可培养的海洋生物膜细菌及其近乎完整的基因组
9167	2025-01-05	Protein engineering in the deep learning era 2024-Dec, mLife IF:4.5Q1 DOI:10.1002/mlf2.12157 PMID:39744096	综述	本文综述了深度学习在蛋白质工程中的应用，包括蛋白质序列和结构的表示方法、编码管道、蛋白质语言模型、几何深度学习技术以及多模态生物数据的学习方法	本文从深度学习的角度重新审视了蛋白质理解和工程中的常见问题，并总结了最新的蛋白质语言模型和几何深度学习技术，提出了多模态生物数据学习的组合方法	本文主要关注深度学习方法，可能未涵盖传统蛋白质工程技术的全面比较	探讨深度学习在蛋白质工程中的应用，以解决工业生产、医疗保健和环境可持续性中的挑战	蛋白质序列和结构	机器学习	NA	深度学习	蛋白质语言模型、几何深度学习模型	蛋白质序列和结构数据	NA
9168	2025-01-05	Artificial intelligence application in endodontics: A narrative review 2024-Dec, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240321 PMID:39744558	综述	本文综述了人工智能在牙髓病学领域的方法和应用，旨在为牙医提供必要的技术知识以理解AI带来的机遇	本文系统地回顾了1992年至2023年间关于AI在牙髓病学中应用的研究，涵盖了从根折识别到牙髓干细胞活力评估等多个方面	研究仅限于英文发表的文献，可能遗漏了其他语言的重要研究	探索人工智能在牙髓病学中的应用及其潜力	牙髓病学中的AI应用	自然语言处理	NA	NA	NA	NA	71项研究
9169	2025-01-05	Clinical Manifestations 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089228 PMID:39750713	研究论文	本研究利用自然语言处理技术，通过电子健康记录中的临床笔记预测痴呆和轻度认知障碍	引入了基于Transformer的语言模型Universal Sentence Encoder (USE)，并提出了两种创新的NLP方法：随机采样和基于就诊的采样，以提高认知阶段分类的准确性	研究依赖于特定时间段（2017-2018年）的电子健康记录数据，可能无法完全代表其他时间段或不同医疗机构的数据	开发自动化且可靠的方法，用于大规模检测认知障碍	电子健康记录中的临床笔记	自然语言处理	老年疾病	自然语言处理 (NLP)	Universal Sentence Encoder (USE)	文本	531名正常认知者、153名轻度认知障碍者和229名痴呆患者
9170	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089911 PMID:39750739	研究论文	本文提出了一种基于物理信息的深度模型，通过数据几何的视角揭示大脑结构与功能之间的耦合机制	引入了一种几何深度模型，利用图谐波散射变换在黎曼流形上施加大脑全局几何约束，挑战了认知神经科学中关于神经活动局限于局部区域的普遍观点	NA	理解大脑解剖结构如何支持各种神经活动，并探索其在疾病早期诊断和模型泛化中的应用	人类大脑	神经科学	NA	神经影像数据	几何深度模型，MLP-Mixer架构	神经影像数据	NA
9171	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.092617 PMID:39750891	研究论文	本研究通过多模态分析跨物种蛋白质相互作用网络和人类大脑功能基因组数据，识别神经退行性疾病的风险基因和药物靶点	提出了一个多视图拓扑深度学习框架TAG-X，用于识别跨物种相互作用网络中的疾病相关基因，并重建了人类、果蝇、蠕虫和酵母的综合蛋白质-蛋白质相互作用网络	未来需要对候选靶点和基因进行功能观察验证	识别神经退行性疾病（如阿尔茨海默病、帕金森病和肌萎缩侧索硬化症）的风险基因和药物靶点	人类、果蝇、蠕虫和酵母的蛋白质相互作用网络	生物信息学	神经退行性疾病	多模态分析、深度学习、基因组关联研究（GWAS）、定量性状位点（x-QTL）	深度学习框架TAG-X	基因组、转录组、蛋白质组、相互作用网络数据	涉及人类、果蝇、蠕虫和酵母的蛋白质相互作用网络
9172	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.087057 PMID:39750950	研究论文	本研究提出了一种计算方法来从脑组织的批量转录组数据中提取细胞信号，以研究神经退行性疾病的细胞类型特异性转录组程序	将Cellformer深度学习模型从ATAC-seq数据适应到RNA-seq数据，用于解析批量RNA测序数据中的细胞类型特异性表达模式	核RNA测序仅捕获20-50%的细胞转录信息，限制了细胞转录组的全面理解	研究神经退行性疾病的细胞类型特异性转录组程序	小鼠脑组织	生物信息学	神经退行性疾病	RNA-seq, snRNA-seq	Cellformer	RNA测序数据	小鼠脑组织样本
9173	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089010 PMID:39751068	研究论文	本文提出了一种名为时间感知循环神经网络（TA-RNN）的新型深度学习架构，用于预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的转化	TA-RNN通过时间嵌入层和基于注意力的RNN解决了电子健康记录（EHR）数据中的不规则时间间隔问题，并提供了模型的可解释性	模型仅在ADNI和NACC数据集上进行了评估，可能需要进一步验证其在不同数据集上的泛化能力	研究目的是开发一种能够预测MCI向AD转化的深度学习模型，并解决EHR数据中的不规则时间间隔问题	研究对象为阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	老年病	深度学习	RNN, TA-RNN	电子健康记录（EHR）、纵向认知和神经影像数据	ADNI和NACC数据集
9174	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089093 PMID:39751088	研究论文	本研究提出了一种基于深度学习的反卷积框架，用于从大规模批量RNA测序数据中推断人类大脑中阿尔茨海默病及相关痴呆症的细胞类型特异性表达数量性状位点（eQTLs）	使用深度学习框架从批量RNA测序数据中推断细胞类型特异性eQTLs，避免了高成本的单核RNA测序	需要进一步的功能验证候选eQTLs和相关基因	解析阿尔茨海默病及相关痴呆症的遗传变异对基因表达的影响	人类大脑中的细胞类型特异性eQTLs	生物信息学	阿尔茨海默病	RNA-seq, WGS, snRNA-seq	深度学习	RNA测序数据, 全基因组测序数据	1,092个样本
9175	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.089241 PMID:39751131	研究论文	本研究利用多模态数据和机器学习、深度学习及集成方法，提高阿尔茨海默病（AD）进展预测的准确性	通过多模态数据集成和集成学习方法，显著提高了阿尔茨海默病进展预测的准确性，并减少了有害的假阴性	研究仅使用了OASIS-3纵向数据集，未来可探索更多数据模态和方法以提高预测准确性	提高阿尔茨海默病的早期检测和进展预测准确性	1,098名患者的多模态数据，包括MRI扫描、脑体积测量和临床数据	机器学习	阿尔茨海默病	机器学习（ML）、深度学习（DL）、集成方法	CNN（MobileNetV2, ResNet101, ResNet152, ResNet200）、随机森林、K近邻	MRI扫描、脑体积测量、临床数据	1,098名患者
9176	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.088814 PMID:39751145	研究论文	本研究利用预训练的深度学习模型，通过中文语音数据自动检测阿尔茨海默病	使用预训练的Wav2vec2模型处理中文语音数据，探索其在跨语言检测中的潜力	数据不平衡问题通过随机选择样本进行均衡处理，可能影响模型的泛化能力	开发基于语音的自动化阿尔茨海默病检测方法	81名台湾本土中文使用者，包括34名正常对照和47名早期阿尔茨海默病患者	自然语言处理	阿尔茨海默病	深度学习	Wav2vec2	音频	81名参与者，生成2887个6秒音频片段
9177	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.092140 PMID:39751223	研究论文	本研究旨在开发一种深度学习模型，利用MRI预测早期受影响区域的tau蛋白积累，以早期预测疾病进展和认知衰退	采用基于注意力机制的编码器-解码器模型，结合Transformer模型，通过优先策略提高预测准确性	研究依赖于ADNI数据集，可能存在样本选择偏差，且未考虑其他可能影响tau积累的因素	开发一种深度学习模型，利用MRI预测早期tau蛋白积累区域	阿尔茨海默病患者的MRI和PET影像数据	数字病理学	阿尔茨海默病	T1加权MRI和[18F] flortaucipir-PET成像	基于注意力机制的编码器-解码器模型，Transformer模型	影像数据	1010次扫描，112名测试参与者
9178	2025-01-05	Basic Science and Pathogenesis 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.085828 PMID:39751753	研究论文	本研究介绍了一种深度学习模型，用于预测阿尔茨海默病中淀粉样蛋白β的积累	通过将淀粉样蛋白β的扩散数学模型转化为深度学习框架，结合多层感知机（MLP）和图卷积神经网络（GCN），实现了对淀粉样蛋白β积累的高精度预测	模型参数是针对整个群体优化的，对某些个体的准确性有所差异，且需要进一步解释每个术语的全面含义	早期诊断阿尔茨海默病并延缓疾病进展	淀粉样蛋白β的积累	数字病理学	阿尔茨海默病	深度学习	MLP, GCN	神经影像数据（T1结构磁共振图像、18F-Florbetapir正电子发射断层扫描、扩散加权磁共振图像）	146名受试者的纵向数据，共436个数据点
9179	2025-01-05	Computational design of CDK1 inhibitors with enhanced target affinity and drug-likeness using deep-learning framework 2024-Nov-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40345 PMID:39748968	研究论文	本研究利用深度学习技术，特别是带有长短期记忆（LSTM）的循环神经网络，生成潜在的CDK1抑制剂，并通过分子对接、分子性质评估和分子动力学模拟来识别最有前景的候选药物	利用深度学习框架生成具有增强靶点亲和力和药物相似性的CDK1抑制剂，显著提高了结合亲和力和药物相似性	需要广泛的实验验证才能将这些生成的配体推进到药物开发的后续阶段	开发具有增强靶点亲和力和药物相似性的CDK1抑制剂	CDK1抑制剂	机器学习	癌症	深度学习、分子对接、分子动力学模拟	LSTM	分子数据	NA
9180	2025-01-05	Machine learning-enabled virtual screening indicates the anti-tuberculosis activity of aldoxorubicin and quarfloxin with verification by molecular docking, molecular dynamics simulations, and biological evaluations 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae696 PMID:39737570	研究论文	本研究开发了一种结合机器学习和深度学习模型的虚拟筛选工作流程，用于筛选抗结核药物，并通过分子对接、分子动力学模拟和生物评估验证了aldoxorubicin和quarfloxin的抗结核活性	结合多种机器学习和深度学习模型进行虚拟筛选，成功重新定位两种药物（aldoxorubicin和quarfloxin）作为抗结核候选药物	研究中仅筛选了来自DrugBank数据库的11,576种化合物，可能未涵盖所有潜在药物	加速抗结核药物的发现，通过计算方法重新定位临床批准或研究中的药物用于结核病治疗	结核分枝杆菌（Mtb）	机器学习	结核病	虚拟筛选、分子对接、分子动力学模拟、表面等离子体共振实验	机器学习和深度学习模型	化合物数据	11,576种化合物，15种筛选出的潜在化合物